El flujo de trabajo completo del proyecto de aprendizaje automático: del desarrollo a la producción

Muchos cursos enseñan entrenamiento de modelos, pero pocos explican cómo convertir un portátil en un sistema confiable.Este curso presenta el ciclo de vida completo del proyecto requerido para entregar valor comercial del mundo real utilizando el aprendizaje automático. Al final de este curso, comprenderá las etapas esenciales de un proyecto de ML, desde la exploración inicial de datos y el desarrollo de modelos hasta la implementación, el mantenimiento y la supervisión, lo que le permitirá pasar de experimentos aislados a soluciones listas para la producción. Lo que aprenderás: * Comprender los pasos críticos para traducir una necesidad de negocio en un problema de aprendizaje automático solucionable. * Practicar la preparación de datos y las técnicas de ingeniería de características esenciales para el entrenamiento de modelos robustos. * Construir modelos de ML fundamentales y evaluar su rendimiento utilizando métricas estándar. * Configurar el seguimiento de experimentos básicos y el control de versiones de modelos para la reproducibilidad y la colaboración en equipo. * Aplicar conceptos básicos de contenedorización y patrones de implementación adecuados para entornos de producción. * Implementar estrategias básicas de monitoreo y mantenimiento para garantizar la confiabilidad del modelo a lo largo del tiempo. Comenzamos con la terminología clave y los conceptos fundamentales, luego recorremos sistemáticamente las fases de desarrollo, capacitación, validación y operacionalización de un proyecto de ML, centrándonos en ejercicios prácticos escritos. Este curso está diseñado para principiantes absolutos en aprendizaje automático que desean comprender el flujo de trabajo práctico de un científico de datos o ingeniero de ML.No se requiere experiencia previa con MLOps o sistemas de producción. Comience a aprender a entregar proyectos de aprendizaje automático que funcionen en el mundo real hoy mismo.